AI, Machine Learning, Data Science sono tra le leve tecnologiche che più di altre possono aiutare le imprese in un percorso di trasformazione sempre più basato sul valore del dato e che vede coinvolti sia gli specialisti, come i data scientist, sia gli IT manager, sia le Line of business (Lob), cui è affidato il compito di individuare quali workflow o quali processi hanno bisogno di questa innovazione.
Non è un percorso semplice, né immediato, ma con gli strumenti e le risorse giuste può permettere alle imprese di conseguire vantaggi importantissimi e può permettere di creare un nuovo valore aggiunto.
Le sfide per i data scientist
I data scientist, ad esempio, sono ben consapevoli che le fasi di training delle AI sono particolarmente onerosi, sia in termini di tempo, sia in termini di risorse, anche di tipo infrastrutturale.
È vero, hanno a disposizione una grande mole di dati, ma devono riuscire a trovare il modo migliore per analizzarli ed elaborarli, trasformandoli in strumenti attraverso i quali guidare le strategie aziendali. Per di più, sono chiamati a rispondere alle richieste che provengono dalle line of business, alle quali non sempre è facile trovare soluzioni.
I loro obiettivi?
Diminuire il tempo speso nel training delle AI, magari effettuando più training nello stesso periodo; ridurre il time to market; creare report quanto più chiari ed efficaci possibile; trasformare i dati in una guida che permetta di intraprendere azioni corrette; poter contare su una infrastruttura in grado di gestire contemporaneamente sia il training sia la normale operatività aziendale; disporre di strumenti in grado di fare check sui dati per evitare l’insorgere di errori legati ai bias.
Le sfide per le LOB
Dal canto loro, le line of business sono ben consapevoli della possibilità di incrementare l’efficienza della sua e delle altre aree aziendali, se solo potessero superare i vincoli imposti dai costi degli investimenti in tecnologia.
Le line of business vorrebbero disporre di un supporto tecnico e informatico che permetta di sfruttare al meglio i dati di cui l’azienda dispone, senza venir meno a quei requisiti di sicurezza e corretta gestione che le normative esistenti e le policy aziendali impongono e superando nel contempo la scarsa elasticità delle infrastrutture aziendali.
I loro obiettivi?
Incrementare l’efficienza della propria line of business; disporre di strumenti che permettano di prendere decisioni strategiche data driven per migliorare l’azienda; avere un unico tool da utilizzare per tutto il team; garantire la totale sicurezza dei dati a disposizione dell’azienda; contare su una infrastruttura che risponda in toto alle esigenze del business e ai cambiamenti delle stesse.
Le sfide per gli IT Manager
In questo percorso, gli IT Manager non hanno vita facile: devono riuscire a districarsi fra le richieste delle aree aziendali e garantire il raggiungimento degli obiettivi richiesti, tenendo conto dei limiti infrastrutturali, dei costi di integrazione di nuove tecnologie e, soprattutto, devono riuscire a integrare l’AI all’interno dei sistemi aziendali per velocizzare e rendere più efficienti tutti i processi.
I loro obiettivi?
Soddisfare le esigenze che arrivano dal management e dalle varie linee di business; avere una infrastruttura adeguata, pur contenendo i costi del reparto IT, e soprattutto far crescere la cultura digitale all’interno dell’azienda, ritagliandosi un ruolo che non marginale.
Risorse su Data Science, AI e ML
Proprio per contribuire tanto alla comprensione del ruolo che AI e ML hanno nei percorsi di trasformazione delle imprese, verso un nuovo paradigma di Cognitive Enterprise, è stato realizzato un progetto di analisi, di confronto, di approfondimento su queste tematiche.
Il progetto è realizzato in collaborazione tra IBM e il gruppo Digital360 e si sviluppa attraverso la realizzazione di una serie di risorse che vengono qui messe a disposizione di tutti gli operatori del mercato.
Il punto di riferimento di questo progetto è rappresentato dall’Osservatorio Data Science & Machine Learning della testata Zerouno dove potete trovare una ricca serie di articoli, approfondimenti, interviste e servizi editoriali dedicati.
Prosegui la lettura e vai all’Osservatorio Data Science & Machine Learning
Buona lettura
Il Deep Learning per vincere le sfide della qualità nel manifatturiero
Come migliorare il lavoro dei Data Scientist
Come AI e Machine Learning trasformano i pagamenti digitali
Il nuovo ruolo dei data Engineer: cosa cambia con Big Data e Machine learning
Come l’Intelligenza artificiale sta cambiando il mondo del banking
AI e machine learning per accelerare il Data management nell’IoT
Video: La Data driven economy e il ruolo delle soluzioni Ibm Power
Video: L’esperienza di Cassa Compensazione e Garanzia con IBM Power nel finance
Tecnologie digitali per la qualità dei prodotti agroalimentari e per il retail
Artificiale Intelligence e Machine Learning accelerano la service transformation
Servizio aggiornato da Mauro Bellini il 26 Ottobre 2019
Immagine fornita da Shutterstock
